Веб-разработка. Доработка существующего продукта. 1. Контекст и текущая проблема В компании сотрудники используют разные ИИ-сервисы вразнобой: ChatGPT, Claude, Perplexity, сервис GAMMA для презентаций, отдельные сервисы speech-to-text и встроенный конспект Яндекс.Телемост для транскрибации. Это приводит к разрозненным подпискам, лишним расходам, риску утечки данных и отсутствию единого контроля за использованием ИИ внутри компании. Мы рассматривали корпоративные тарифы готовых провайдеров (в частности, GigaChat Enterprise), но функционал таких решений закрывает не более 10% наших потребностей. 2. Что мы хотим получить Мы не планируем разрабатывать свою собственную LLM и держать вычислительные мощности. Нужен внутренний корпоративный сервис — аналог Perplexity, объединяющий доступ к разным моделям и внутренним ИИ-инструментам в едином интерфейсе, со следующим функционалом: 2.1. Подключение языковых и вспомогательных моделей • Доступ к разным LLM через единый интерфейс — OpenAI (ChatGPT), Anthropic (Claude) и другие модели через агрегатор polza.ai • Прямое подключение GigaChat от Сбербанка • Подключение моделей для генерации изображений и создания презентаций • Подключение Yandex SpeechKit (или аналогичного сервиса) для транскрибации аудио/видео 2.2. Внутренняя витрина приложений с ИИ-агентами Витрина состоит из уже настроенных компанией готовых ИИ-агентов под конкретные задачи — сотруднику не нужно каждый раз писать промпт вручную, достаточно выбрать нужного агента и передать входные данные. При этом по аналогии с «пространствами» у сотрудника должна быть возможность самостоятельно создать собственного ИИ-агента под свою личную или командную задачу, не дожидаясь настройки со стороны администратора. Примеры готовых агентов: • Агент для транскрибации — сотрудник загружает аудио/видео файл, на выходе получает готовый конспект по заданным правилам компании • Агент для создания презентаций — принимает на входе информацию и оформляет готовую презентацию в фирменном стиле компании • Чат-бот внутренней базы знаний с RAG — сотрудник задаёт вопрос, система ищет релевантный документ в загруженных обучающих материалах (по отделам) и отвечает точной информацией из внутренней базы, а не выдуманным ответом модели • Возможность как администратору добавлять новые готовые агенты под задачи разных отделов, так и любому сотруднику создавать собственного персонального агента 2.3. Административная панель • Регистрация, блокировка и управление доступом сотрудников • Настройка прав доступа к конкретным моделям — например, линейным сотрудникам можно давать доступ только к более дешёвым моделям, а не к дорогим флагманским • Хранение истории запросов/поисков сотрудников (необходимо для контроля и анализа использования) 3. Масштаб использования Планируемое количество пользователей системы — 20–50 сотрудников. Система должна сохранять историю запросов и результатов работы каждого пользователя. 4. Что мы ищем от исполнителя Нас интересуют специалисты или команды, у которых уже есть готовые разработки и опыт реализации подобных корпоративных ИИ-платформ — мы не хотим писать программный код с нуля, а готовы кастомизировать существующее решение под свои потребности. Открыты к любому типу решения (готовая коробочная платформа/white-label, доработка open-source решения или собственная разработка компании-исполнителя) — важен результат и релевантный опыт. 5. Что нужно прислать в отклике 1. Портфолио с похожими реализованными проектами (корпоративные ИИ-платформы) 2. Информацию о том, сколько стоили подобные проекты для других заказчиков 3. Ориентировочную оценку стоимости реализации под наши задачи (весь функционал в одном пакете: подключение моделей, витрина агентов, админ-панель, история запросов) 4. Ориентировочные сроки реализации 5. Информацию о дальнейшей поддержке и сопровождении после запуска Бюджет и сроки — открытый вопрос, ориентируемся на предложения рынка. Готовы обсуждать проектную работу с этапами оплаты по итогам демонстрации промежуточных результатов.